Djago模型层(基础)

一丶模型是什么

模型(model)是唯一个确定数据库源头数据的类,它储存数据必要字段和行为,通常一个模型(model)单一映射到一张数据库的表.
1.每个模型都是一个python类,它们都是django.db.models.Model的子类.
2.每一个模型的属性代表数据库中的一个字段.
3.通过模型,Django为你提供一个方便的数据库访问API.

有如下特点:

1.Django遵循DRY原理.本质是通过滚动模型流来更新数据
2.每个models用python的类来表示数据表(数据表)
3.每个models变量代表一个数据库字段(数据库字段)
4.每个字段的实例表示一个数据(即数据库的数据)
5.实例名称是字段名称(即数据库列名)
6.类中加入__str__()自动进行交互

二丶创建模型

0.创建一个数据库,对应models.py(模型文件对应一个数据库)
1.从django.db包中导入models类
from django.db import models
2.创建类继承models.Model(每个类单独对应一张表)(数据库中的表)
class Person(models.Model):
3.创建模型的属性(每个属性代表数据库中的一个字段)(数据库中的列)
first_name = models.CharField(max_length=30)
last_name = models.CharField(max_length=30)

完整代码:
from django.db import models class Person(models.Model): first_name = models.CharField(max_length=30) last_name = models.CharField(max_length=30)

等同于表:

CREATE TABLE myapp_person (
"id" serial NOT NULL PRIMARY KEY,
"first_name" varchar(30) NOT NULL,
"last_name" varchar(30) NOT NULL
);

创建字段:

from django.db import models

class Musician(models.Model):
    first_name = models.CharField(max_length=50)
    last_name = models.CharField(max_length=50)
    instrument = models.CharField(max_length=100)

class Album(models.Model):
    artist = models.ForeignKey(Musician, on_delete=models.CASCADE)
    name = models.CharField(max_length=100)
    release_date = models.DateField()
    num_stars = models.IntegerField()

字段有字段类型字段选项.

1.字段类型确定三件事情:

第一件,告诉数据库储存什么样的数据类型,例如:VARCHAR,TEXT

第二件,定义默认使用的HTML窗口部件(widget)

第三件,在管理员(admin)和自动生成的表单()forms)中提供最基本的验证字段功能,

内置字段没有达到理想效果的话,能够通过自定义字段来实现心中最理想的字段类型.

2.字段选项:每一个字段都接受一组特殊的参数来定制字段行为.

从技术上说,模型(models)定义与 django.db.models.fields,单位了方便用django.db.models也可以,公认惯例:

导入:from django.db import models

引用:modelsmodels.<Foo>Field

三丶使用模型

1.在设置中导入app(应用)

项目settings.py文件下
INSTALLED_APPS = [
#...
'myapp',等同于'myapp.apps.MyappConfig'(推荐后者),
#...
]

2.迁移数据库

1.生成迁移文件
manage.py makemigrations
2.将迁移文件注入数据库
manage.py migrate

转载于:https://www.cnblogs.com/cangshuchirou/p/9301113.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值